基于实时交通流信息的中心式动态路径诱导系统行车路线优化技术研究

近年来,世界各国纷纷致力于新兴交通科技,如智能运输系统(IntelligentTransportationSystems,ITS)的研究和应用,以应对目前严峻的交通环境。笔者综合应用道路检测器检测的交通流量数据以及路段交通流量与路段行程时间的内在联系,运用增量加载最短路优化的方法对智能运输系统的核心技术—城市交通流诱导系统(UTFGS)中的中心式动态路径诱导系统中的行车路线优化技术展开研究。

遗传算法在动态路径诱导系统中的应用

提出了以随机A*算法为基础,运用遗传算法来求解不满足先进先出原则的动态网络中最短路径问题的思路,其中通过运用提出的随机Dijkstra算法解决了将遗传算法应用于最短路径问题中的最大障碍——初始种群的产生.最后,以广州市电子地图为基础,对提出的算法进行了验证,验证结果表明遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题.

分布式动态路径诱导系统分析与设计

动态路径诱导系统是由车载单元和交通控制中心这两大系统和与之相互通信的无线通信网络构成。分布式动态路径诱导系统DDRGS的控制中心的任务比较轻,通信设施简单,见效时间短。以分布式动态路径诱导系统为研究对象,介绍了DDRGS的诱导信息构成、系统功能分析与设计、系统结构分析与设计、系统开发方式与系统开发环境等;根据我国的交通现状,提出了系统的软硬件构成方案,介绍了系统的各个模块功能,并提出了动态道路权重发布的方案。

基于ArcGIS的动态路径诱导系统研究

在分析中心式动态路径诱导系统、ArcGIS、Web服务和GIS Web服务等关键技术的基础上,设计了基于ArcGIS的动态路径诱导系统方案和仿真系统的总体框架,并对系统采用的方法、技术进行分析和研究。

优化算法在动态路径诱导系统中的研究综述

城市交通拥堵问题已成为阻碍我国城市经济发展的主要问题之一,动态路径诱导系统在城市道路交通流的均衡动态分配中起着举足轻重的作用,并对缓解我国现阶段的城市交通拥堵问题具有重大现实意义。文章对应用于动态路径诱导系统的智能优化算法进行研究,对其进行了分类和综述,并对其各自的优缺点进行总结,同时对下一步的研究进行了展望,为今后的研究提供参考和借鉴。

动态路径诱导系统中路径规划的关键技术研究

路径规划是动态路径诱导系统的一个基本问题。文章分析了动态路径规划所涉及到的导航用电子地图、实时交通信息和路径规划算法,并阐述了在现有情况下的解决方案。

基于遗传算法的动态路径诱导

动态路径诱导 (DRGS)是智能运输系统研究的一个重要方面 ,旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径来达到诱导出行行为 ,减少车辆在道路上的逗留时间 ,进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容 ,它能计算出给定起讫对之间的最优或准最优路径 ,路径牵引算法要考虑到全局准最优和实时性问题 ,而遗传算法具有全局寻优和潜在的并行性特点。将遗传算法应用于动态路径诱导系统中求解最佳路径 ,设计了特定的有序选择、交叉和遗传算子 。

基于遗传算法的驾驶员动态路径诱导研究

动态路径诱导的目的在于向道路行驶者提供基于实时交通信息的合理、高效的行驶路线,以保证车辆在路网上运行的总费用最小。将遗传算法应用于动态路径诱导,通过引入任意迪杰斯特拉算法解决了遗传算法应用于最短路径的初始种群的选择、交叉和变异问题,提出了运用遗传算法求解动态网络中最短路径问题的新方法。最后,以西安市电子地图为基础,验证了遗传算法在动态路径诱导中的有效性。该研究为交通管理控制、驾驶员出行提供了更加准确和有效的路径诱导决策辅助信息。

智能交通混合动态路径优化算法

针对实时环境下交通信息实时、动态的特性,提出了实时环境下基于混合的动态路径优化算法。该算法在广义自适应A~*算法的基础上,结合剪枝算法,同时引入了粒子群算法局部最优及全局最优智能存储、模糊时间窗等优化策略。剪枝算法以当前局部最优为阈值,从而能够有效控制阈值的大小;模糊时间窗约束算法优化时间以及控制仿真时间,从而使算法更好地适应实时环境。实验数据采用纽约地图数据,并在仿真实验环境下,分别验证了优化策略的有效性,同时,将优化算法与A~*算法进行了对比实验。实验证明:优化策略在动态路径优化算法中是有效且合理的,可适应于动态路径诱导系统。

基于遗传算法的动态网络中最短路径问题算法

提出了一种以随机Dijkstra最短路径算法为基础,运用遗传算法来求解动态路径诱导系统 中最短路径问题(ShortestPathproblemonDynamicRouteGuidanceSystem,SPDRGS)的算法。通过运用 该随机Dijkstra算法解决了将遗传算法应用与最短路径问题中初始种群的产生问题。考虑到目前动态 路径诱导系统(DynamicRouteGuidanceSystem,DRGS)对路径诱导算法的时间复杂度和网络约束条件 的要求,此算法不仅能够较快地求出较优的路径而且对网络没有任何的约束条件,同时对离散和连续的 动态网络模型有效,因此符合DRGS的要求。

动态多路径选择的混合演化算法

动态路径诱导系统(DRGS)是智能运输系统(ITS)研究的一个重要内容,动态路径诱导算法要考虑到全局最优和实时性问题。因此建立了一种包含实时路网信息而且可以针对时间进行离散化处理的路网模型,同时提出了一种用改进的Ford最短路径算法来初始化种群的演化算法,并设计了一组特定的演化算子(选择、交叉、变异),来求解动态路径诱导系统中的"多准最优路径"。最后,通过数值实验表明了此算法的可行性和有效性。

基于合理多路径的路径选择方法的研究

本文不是只给出一条基于单目标的“最优”路径供司机采用 ,而是提供多条具有不同属性的“合理”的候选路径供司机选择 ,从而就更切合司机的实际需求。我们采用了“重叠惩罚”法作为有关k合理路径的算法 。

实时环境下多目标的路径选择模型

针对出行者出行需求多样化的问题,本文从时间、费用角度出发,构建了实时环境下基于多目标的路径选择模型。采用加权求和函数对多维数据聚集得到组合权重,而权重系数可依据出行者需求或喜好设定。为验证模型的实用价值,在仿真环境下,多目标模型与基于几何距离最短的路径选择模型在时间、费用、距离等评价指标进行了对比。实验结果证明实时环境下基于多目标的路径选择模型更具有实用价值。

基于“节点删除”的多路径获取方法的研究

提出一种基于“节点删除”的多路径获取算法 ,可以用来为动态路径诱导系统 (DRGS)提供多条“合理的”候选路径 .该算法比传统的“k-最短路算法”和基于“重叠惩罚”的多路径算法更简单、快捷和有效 .

在DRGS中GPS/DR组合定位系统的研究

提出一种新的带有神经网络的GPS/DR组合数据融合算法以求在动态路径诱导中获得实时定位数据。数据融合算法采用的是具有单隐层的 3层神经网络 ,并给出了里程仪、速率陀螺和DR系统的数学模型以及里程仪的标定因子的修正模型。它能有效克服因丢失卫星信号而造成定位精度下降的现象。

基于改进遗传算法的最优路径求解

动态路径诱导系统(dynamic route guidance system,DRGS)是通过提供基于实时交通信息的最优路径来引导交通流的,因此,最优路径的求解是关键。而遗传算法具有全局寻优和潜在并行的特点,对求解最优路径具有一定优势。但采用序号编码方式进行遗传操作时会产生大量无效路径。文中结合城市道路交叉口左转、右转、直行等转向行为,设计了一种新的基于转向行为的编码方式,减少了染色体在交叉、变异时的无效路径的生成。算例表明,这种编码方式可以有效提高算法收敛性,更容易获得最优解。

基于交通诱导的高速公路交通检测器布设方案研究

对于高速公路动态交通信息诱导系统,实时的路段行程时间是重要基础,因此,准确有效地检测路段的动态行程时间是科学合理地引导出行者选择最优行驶路线、实现交通流合理分配的关键。布设高密度、全方位的交通检测设施才能够满足智能交通运输系统对道路实时交通信息的迫切需求。但是检测器的布设密度过高会造成交通硬件设施投资的增加,所以我们要基于高速公路路段的行程时间来确定交通检测器布设的最优密度,从而可以指导实地操作中铺设检测器的数目。

可替换路径选择的研究

动态路径诱导(DRGS)是智能运输系统ITS研究的一个重要方面,它的核心在于如何利用实时的交通信息,找出一条考虑司机路径选择行为的“最优道路”,减少车辆在道路上的逗留时间,进而改善城市交通。但这仅仅给出了一条基于单目标的“最优”路径供司机采用。采用改进后的K-最短路算法,提供多条具有不同属性的路径供司机选择,从而更符合实际情况。

改进蚁群算法在TSP中的应用研究

针对现有路径动态诱导算法在交通问题规模增大时存在的性能急剧下降的问题,提出了一种改进的混合遗传蚁群算法。为解决蚁群算法对信息素的强依赖性导致的局部最优解现象,及遗传算法存在的全局搜索性能强但收敛速度慢等问题,将蚁群算法与遗传算法相结合,基于遗传算法的交叉变异因子,改进了信息素浓度的设定方式,加强了传统蚁群算法的全局搜索能力;利用蚁群算法的局部搜索能力较强的特点,提高了传统遗传算法的收敛速度。仿真结果表明,相比于遗传算法与蚁群算法,所提算法在求解不同规模的旅行商问题时具有更强的全局搜索性及快速收敛性。

北京

北京将实施智能交通信息系统节能减排示范项目近日,国家发展改革委、北京市发展改革委与日本新能源和产业技术综合开发机构（NEDO）签署北京智能交通信息系统节能减排示范项目谅解备忘录。该项目主要通过动态路径诱导系统（DRGS）和环保驾驶辅助系统（EMS）,提供路径规划和驾驶行为提示信息,从而分散交通流、缓和拥堵、